Month: January 2024

Wuhuu, kurssi selätetty!

Viimeisellä kerralla saimme vapaat kädet harjoittaa omia gis-taitojamme ja samalla arvioida, kuinka hyvin kurssilla opitut asiat ovat jääneet mieleen.

Päätin palata viime kerran Etelä-Amerikan reissulta takaisin koti-Helsinkiin, ja tarkastella Helsingin autoliikenteen pääväylien liikenteen määriä. Latasin Helsingin kaupungin rajapinnasta liikennemäärät -viiva-aineiston vuodelta 2019. Visualisoin liikennemäärät viivan paksuudella siten, että paksuin viiva esittää suurinta liikennemäärää (kuva 1). Liikennemäärät on laskettu vuoden keskimääräisen arkivuorokausiliikenteen mukaisesti, eli esimerkiksi Kehää 1 on keskimäärin ajanut päivittäin yli 100 000 ajoneuvoa vuonna 2019. 

Kuva 1. Helsingin pääväylien liikennemäärät (vuoden keskimääräinen arkivuorokausiliikenne) Lähde: kartta.hel.fi

Kehä 1 onkin Suomen vilkasliikenteisin tie (mm. Wikipedia). HS:n mukaan Helsingin pääväylien liikenne väheni lähes 10 000 autolla päivässä korona-aikaan. Nykyään määrä on mitä luultavimmin palautunut jo ennalleen, ja vuoden 2019 lukemat ovat nähdäkseni verrattavissa tämänpäiväisiin. Paljon liikennettä on havaittavissa myös Espoon ja Helsingin yhdistävällä kantatie 51:llä, joka toimii tärkeänä työmatkaliikenteen väylänä Espoon ja Helsingin välillä. Sama pätee kantakaupungin ja Itä-Helsingin yhdistävään Itäväylään (Kantatie 170), etenkin Herttoniemen ja Kalasataman väliseen osuuteen. Kartassa erottuvat muutenkin selkeinä kantakaupungin tärkeimmät tulo- ja lähtöväylät.

Oma karttani oli melko yksinkertainen, mutta parasta mitä sain aikaan tällä aikataululla. Katselin myös muiden tekemiä karttoja, ja esimerkiksi Roosa oli saanut aikaan hienon, kahden muuttujan koropleettikartan!

Kurssi oli antoisa ja hyödyllinen, vaikka minulla kestikin kevyet kolme vuotta saada kaikki valmiiksi. QGIS on ilmainen ja laadukas paikkatieto-ohjelmisto, joka jokaisen maantieteilijän on hyvä hallita. Olenkin tyytyväinen, että vaikkei GIS olekaan näillä näkymin suuressa roolissa opinnoissani, hallitsen tarvittavat paikkatiedon sovellutukset ja osaan yhdistellä aineistoja karttatuotoksiini.

Kiitos kurssista!

Lähteet

Harmonen, R. (2.3.2021). Seitsemäs kurssikerta – loppusuoralla!
https://blogs.helsinki.fi/harmoroo/2021/03/02/seitsemas-kurssikerta-loppusuoralla/ 

Wikipedia. Kehä 1. https://fi.wikipedia.org/wiki/Keh%C3%A4_I#cite_note-2 

Kivinen, L. (19.9.2022). Tuhannet autot putkahtivat kuin tyhjästä uudelleen Helsingin sisääntulo­väylille, kertovat yllättävät tilastot.
https://www.hs.fi/kaupunki/helsinki/art-2000009044408.html

Helsingin kaupungin karttapalvelu.
kartta.hel.fi

Tämä kurssikerta alkoi pienellä ulkoilulla, jossa keräsimme omia havaintopisteitä Epicollect-sovelluksen avulla. Näistä ryhmäläisten keräämistä pisteistä muodostui yhteinen tietokanta, jonka lataamalla QGISiin harjoittelimme aineiston visualisointia. 

Lisäsin omia karttaesityksiäni varten Quick map services -lisäosalla ESRI Light -taustakartan, joka on hyvä taustakartta tiedon esittämistä varten. Tämän jälkeen visualisoin kerättyjen pisteiden viihtyvyyttä kuvaavaa muuttujaa vihreän eri sävyillä. Koska luokitteluväli saa arvoja vain välillä 0–5, ei luokittelumenetelmällä ole paljoa merkitystä. Pystyin siis hyvin esittämään jokaisen arvon omassa luokassaan. 

Toteutin aineistolle IDW-interpoloinnin: visualisoin tulokset vihreällä single band pseudocolor -värikartalla, jossa tummat vihreän sävyt kuvaavat suurimpia arvoja. Käytin häivytysasetuksena overlayta, jotta sekä interpolointi että taustakartta erottuisivat.

Itsenäistehtävät

Itsenäistehtäväosuudessa vaihtoehtona oli valita aineistoksi jokin hasardeihin liittyvä aineisto, kuten maanjäristysdataa. Päädyin valitsemaan ohjeiden tietokannoista tarkasteltavaksi tulivuori- sekä maanjäristystietokannat. Valitsin karttojani varten ne tulivuoret, jotka luokiteltiin kerrostulivuoriksi. Olen lähdössä vaihto-opiskelijaksi Ecuadoriin, joten karttojeni teemoiksi valikoituivat Amerikat ja Ecuador. Tarkoituksena oli tuottaa tarjolla olevista aineistoista omaa luovuutta käyttäen karttoja, jotka voisivat sopia myös opetustarkoituksiin. 

Ensimmäiseen karttaan (kuva 1) visualisoin Pohjois- ja Etelä-Amerikan tulivuoret niiden korkeuden mukaan. Kartasta voi havaita litosfäärilaattojen alityöntövyöhykkeen, jossa Nazcan laatan työntyminen Etelä-Amerikan laatan alle on muodostanut Etelä-Amerikan länsirannikon kattavan kerrostulivuorien jonon. (Jostain syystä kartta latautui blogiin todella huonolaatuisena, pahoittelut!)

Kuva 1. Pohjois- ja Etelä-Amerikan kerrostulivuoret. Lähde: NCEI Database

Toinen karttani (kuva 2) käsittelee manner-Ecuadorin kerrostulivuorien tyyppejä. Lisäsin pisteiden labeleiksi tulivuorten nimet. Kartta esittelee Ecuadorin 36:sta tulivuoresta ne 22, jotka ovat ensisijaisesti muodostuneet kerrostumalla. 

Kuva 2. Manner-Ecuadorin tulivuoret tyypeittäin. Lähde: NCEI Database

Kolmatta karttaa varten latasin tietoa maanjäristyksistä, ja valitsin ensin suurin piirtein Ecuadorin alueelle rajautuvat järistykset. Latasin Ecuadorin rajat vektoritiedostona, ja Select by location –työkalun avulla rajasin maanjäristystiedot Ecuadorin alueelta. Kartassa (kuva 3) on esitettynä Ecuadorin 5–10 magnitudin maanjäristykset vuosien 1970–2012 välillä. Luokittelu on tehty järistyksen voimakkuuden mukaan. Kuten kuvista 2 ja 3 voi havaita, Ecuador on vulkaanisesti hyvin aktiivista aluetta. Myös voimakkaita, yli viiden magnitudin järistyksiä on ollut viimeisten noin 50 vuoden aikana.

Kuva 3. 5-10 magnitudin maanjäristykset Ecuadorissa vuosina 1970-2012. Lähde: NCEDC

Pidin kuudennesta kurssikerrasta: omaa luovuutta sai käyttää hieman vapaammin esimerkiksi visualisoinnin suhteen. Muun muassa Ilarin blogissa oli upeita pluginien avulla luotuja tyylikkäitä karttoja!

Kurssi melkein paketissa!

Lähteet:

Leino, I. (25.2.2021). https://blogs.helsinki.fi/ilarilei/2021/02/25/kuudes-kurssikerta/  Noudettu 21.12.2023.

https://catalog.data.gov/dataset/global-volcano-locations-database 

https://ncedc.org/anss/catalog-search.html 

 

Viidennellä kerralla paneuduttiin kunnolla erilaisiin analyysimenetelmiin QGIS:ssä. Alussa palasimme edellisviikon materiaalien pariin, ja toteutimme laskenta-analyysejä muun muassa tuottamastamme Pornaisten tieaineistosta.

Itsenäistehtävissä harjoiteltiin etenkin buffereiden hyödyntämistä analyysikäytössä. Tehtävänä oli tarkastella Malmin ja Helsinki-Vantaan lentoasemien kiitoratojen ympärille muodostuvia melualueita buffereiden avulla, ja tarkastella syntyvää alueellista dataa alueiden väestöstä. 

Itsenäistehtävä 1a. Lentoasemien melualueet

Ensin Malmin kiitoratojen ympärille muodostettiin Buffer-työkalulla bufferi kahden kilometrin säteelle. Tähän bufferiin yhdistettiin Select by location -työkalulla pääkaupunkiseudun väestödataa. Selvitin bufferoinnin avulla, että Malmin lentokentästä 2 kilometrin säteellä asuu 57 808 henkilöä. 1 kilometrin säteellä sen sijaan asuu 8881 ihmistä. Samat työvaiheet toteutettiin Helsinki-Vantaan molemmille kiitoradoille. Helsinki-Vantaan lentoaseman kiitoradoista kahden kilometrin säteellä on 11 163 asukasta. 

Seuraavaksi tehtiin tutkimusta lentomelun eri desibelivyöhykkeistä ja tarkasteltiin, kuinka paljon asukkaita asuu eri lentomeluvyöhykkeiden vaikutusalueella. Äänekkäimmällä, 65 desibelin alueella asuu 17 ihmistä (kuva 1), mikä on prosentteina 0,15 kentän välittömässä läheisyydessä (2 km) asuvasta väestöstä. Tämä on siis hyvin pieni väestönosa. Sen sijaan vähintään 55 desibelin melualueella asuu yhteensä 647 ihmistä, mikä on 5,7 prosenttia alueen kokonaisväestöstä. 

Kuva 1. Statistiikkojen tarkastelua Statistics-välilehdellä.

Tehtävänä oli myös luoda uusi, kuvitteellinen melualue, joka kattaisi poikkeustilanteessa kaakosta laskeutuvien lentokoneiden synnyttämän melualueen. Melualueeksi lasketaan noin seitsemän kilometrin mittainen alue kiitoradan edustalla lentokoneen tulosuuntaan. Melualueen selvittämisessä hyödynsin Paikkatietoikkunan mittaustyökalua, jonka antamien tietojen avulla digitoin QGISiin viivamuotoisen melualueen ja bufferoin sen. Tikkurilan alueella noin 2394 asukasta joutuisi 60 desibelin melualueelle (kuva 2).

Kuva 2. Tikkurilan läheisyydessä, 2 kilometrin säteellä kuvitteellisesta melualueesta asuvat ihmiset.

Itsenäistehtävä 1b. Radanvarren asujat

Seuraavaksi bufferoitiin lähtöaineistosta löytyvät juna-asemat 500 metrin etäisyysvyöhykkeisiin. Koko kartan alueella juna-asemista 500 metrin säteellä asuu 110 805 ihmistä, mikä vastaa noin 21 prosenttia kokonaisväestöstä (516 193). 

Tehtävänä oli myös Select by location -työkalun avulla suorittaa laskutoimituksia aineiston attribuuttitietojen erilaisista ikä- ja ihmisryhmistä asemien läheisyydessä. Selvitin, paljonko työikäisiä asemien välittömässä läheisyydessä asuu. Aloitin laskemalla bufferin alueelle sijoittuvan väestödatan attribuuttitietoihin uuden sarakkeen, johon laskin yhteen kaikkien työikäisten (15–64) ikäryhmien sarakkeiden arvot. Tämän sarakkeen mukaan työikäisiä, korkeintaan 500 metrin päässä juna-asemista asuvia ihmisiä olisi 74 313. Tämä tarkoittaa, että 67 % juna-asemien läheisyydessä asuvista ihmisistä on työikäisiä.

Itsenäistehtävä 2. Taajamien asukkaat

Seuraavaksi tarkasteltiin taajamat-lähtöaineistoa. Tarkoituksena oli aluksi selvittää, kuinka suuri osa koko tutkittavan alueen asukkaista asuu taajamissa, ja sitten tehdä erilaisia analyysejä taajamien väestöstä. Taajamissa asuvien osuus oli pääkaupunkiseudulle luonnollisesti 96 %, eli yhteensä 492 099 asukasta. 

Selvitin, kuinka suuri osuus taajamien sisällä asuvista on kouluikäisiä. Tässäkin laskin väestötietoaineistoon uuden sarakkeen, johon summasin kouluikäisten (7–15) summat. Sain tulokseksi 66 743. Yritin toden teolla selvittää mm. reverse selection -työkalun avulla, kuinka moni lapsi asuu taajamien ulkopuolella. Jostain syystä analyysini eivät millään halunneet toimia, mutta välillä näin. Mielestäni ymmärsin kuitenkin työkalut ja vaiheet, joilla tämä olisi pitänyt toteuttaa, mutta jostain syystä mikään ei toiminut. Juliana oli tehnyt tämän vain yksinkertaisella laskutoimituksella, ja pohdin, miksi tuo ei onnistunut itseltäni. Ehkä en vain hoksannut tehdä helpomman kautta.

Selvitin myös aluekohtaisesti ulkomaalaistaustaisten asukkaiden osuutta väestöstä. Ulkomaalaistaustaisten laskemista varten erotin tietokannasta uudeksi tietokannaksi tiedot asuinalueesta, väestön kokonaismäärästä sekä ulkomaalaistaustaisten määrästä. Lopuksi laskin ulkomaalaisten osuuden asuinalueittain suhteessa kokonaisväestöön. Ulkomaalaisten osuus on yli 10 % 57:llä alueella, yli 20 % 25:llä alueella ja yli 30 % 14:llä alueella.

Itsenäistehtävä 3. Yhtenäiskoulun oppilasdataa

Viimeisessä tehtävässä tarkastelin dataa Helsingin kouluista. Tehtävänä oli selvittää tietoja Käpylässä sijaitsevasta Helsingin Yhtenäiskoulusta. Koulutiensä yhtenäiskoulussa aloittaa aineiston mukaan seuraavana vuonna yhteensä 14 seitsemän vuotta täyttävää. Yläkouluun sen sijaan on siirtymässä 18 oppilasta. Kaiken kaikkiaan peruskoululaisia on yhteensä 159, ja koulupiirin alueella asukkaita yhteensä 1894. Näin ollen peruskoululaisten osuus alueen väestöstä on noin 8 prosenttia. Muunkielisiä alueella on yhteensä 110, joista kouluikäisiä noin 9.

Kokonaisuudessaan kurssikerta oli opettavainen ja hyödyllinen – bufferointi on oleellinen ja käytännöllinen paikkatietotyökalu.

Lähteet

Häkkilä, J. (18.2.2021). 5: Bufferien käytön harjoittelemista ja turhautumista. Noudettu 4.1.2024.
https://blogs.helsinki.fi/julihakk/2021/02/18/5-bufferien-kayton-harjoittelemista-paivittyy/